Home / پیرنگ . نرم‌افزار مدیریت پروژه / تحلیل اطلاعات و تغییرات سازمانی

تحلیل اطلاعات و تغییرات سازمانی

کارگاه هوش تجاری مقدماتیهدف از طرح و اجرای پروژه‌های هوش تجاری و تحلیل اطلاعات در اغلب موارد بهبود عملکرد و راندمان کسب‌وکار است و معمولاً بهبود تصمیم‌های مدیران ارشد و میانی در این پروژه‌ها یکی از اهداف اصلی به شمار می‌رود. از سوی دیگر معمولاً اگر ردّ پول در کسب‌وکار دنبال شود، مسائل خوبی برای طرح و اجرای پروژه‌های هوش تجاری در سطح کسب‌وکار خودنمایی می‌کنند. مواردی ازجمله کاهش هزینه‌ها، افزایش سودآوری، مدیریت بهینه منابع (انسانی، مالی، تجهیزات)، ارتقاء کیفیت داده‌ها و اطلاعات، کاهش هزینه‌های مالکیت، ارتقاء ‌سطح تصمیمات مبتنی بر اطلاعات در سازمان و مانند این‌ها را می‌توان ازجمله اهداف ساده پروژه‌های هوش‌تجاری در نظر گرفت. بر این اساس چند فرض اولیه وجود دارد:
۱- مدیر ارشد کسب‌وکار یا سازمان پشتیبان و حامی پروژه تحلیل اطلاعات شماست و قصد او بهسازی کسب‌وکار است.
۲- هر چه مدیران کسب‌وکارها آگاهی بیشتری از وضعیت منابع و عملکرد سازمان داشته باشند، بهتر می‌توانند سازمان را در جهت رسیدن به اهداف کسب‌وکار و انجام مأموریت‌های تعیین‌شده به‌کارگیرند.
۳- مدیران ارشد و میانی از مأموریت‌ها و اهداف سازمان مطلع هستند و تلاش می‌کنند تا حد امکان نتایج بهتری از عملکرد سازمان بگیرند.
۴- مدیران ارشد و میانی و گروه‌های مؤثر بر ایشان معتقد به تصمیم‌گیری مبتنی بر اطلاعات هستند و اگر نتایج پروژه‌های تحلیل اطلاعات لزوم اخذ تصمیم یا تغییری را نشان دهند، این تصمیم برای ایشان بر تصمیمات سیاسی، منافع جناحی یا تشخیص شهودی ایشان ارجحیت دارد.
۵- مدیران ارشد و میانی از وقت و حوصله کافی برای آگاهی و اطلاع از نتایج تحلیل‌های اطلاعاتی برخوردار بوده و آمادگی کامل برای برقراری جلسات مستمر (مثلاً هفتگی یا حداکثر ۱۵ روزه) با تیم تحلیل اطلاعات را دارند.
۶- مدیران ارشد و میانی متوجه هستند که هدف از تحلیل اطلاعات پاسخ به سوال مشخص یا اثبات/ردّ فرضیاتی است که منجر به پیشنهاد تغییراتی در کسب‌وکار خواهند شد و اجرای یک پروژه یا فرایند تحلیل اطلاعات صرفاً استخراج مدل‌ها و نمودارها نیست، بلکه هدف اصلی از اجرای یک پروژه یا فرایند تحلیل اطلاعات، کمک در تصمیماتی است که در سه سطح عملیاتی، تاکتیکی و راهبردی در کسب‌وکار اخذ می‌شوند؛ مدیران می‌دانند که مسئله اصلی تغییرات حاصل از این تحلیل‌هاست.
برای اطلاع دوستان جوانم خوب است ذکر کنم که طی ۲۶ سال کاری که در سازمان‌های بزرگ (خصوصی، دولتی و حاکمیتی) سپری کردم، مدیری را ندیدم که اطلاعات عملکرد سازمان خود را به‌طور دقیق بداند و به همین دلیل معمولاً ناچار شدم در ابتدای امر از سامانه‌های آماری ساده و نمایش آمار عملکرد به‌عنوان انگیزاننده برای طرح پروژه‌های تحلیل اطلاعات استفاده کنم. به‌عنوان‌مثال تابه‌حال مدیری را ندیدم که پیش از ورودم به کسب‌وکار و سازمان وی، دقیقاً بداند که همکاران زیرمجموعه وی چند ساعت از حضور خود را به انجام کار مشغول هستند! که درنتیجه معمولاً در ابتدای ورود سعی کردم تا با استفاده از ابزارهای نرم‌افزاری مانند نرم‌افزار‌ مدیریت عملکرد پیرنگ اطلاعات کارکرد سازمان را جمع‌آوری و تحلیل کنم تا بدانم معنای بهینه‌سازی در آن کسب‌وکار یا سازمان چیست؟ و با پاسخ به این سوال بتوانم پروژه‌های تحلیل اطلاعات را طرح و اجرا نمایم. البته دوستان باتجربه‌تر می‌دانند که (در اغلب سازمان‌های دولتی و حاکمیتی) هر زمان در دنبال کردن ردّ پول به نتایج قابل‌توجهی می‌رسیم، تلفن همراه ما زنگ‌خورده و پروژه با همان تلفن متوقف یا معلق می‌شود.

از فاکتورهای کلیدی موفقیت در مدیریت تغییرات آنستکه با ذی‌نفعان اصلی عملیات و مدیران ارشد و میانی کسب‌وکار هماهنگ باشید.
بر اساس این فرضیات برای پیشبرد مناسب و مؤثر پروژه‌های تحلیل اطلاعات شامل فرایندهای یادگیری ماشینی و مدل‌سازی بر اساس داده‌ها، پیشنهاد می‌کنم به چند نکته کلیدی توجه داشته باشید:
• ماهیت پروژه‌های هوش تجاری و تحلیل اطلاعات استفاده زیاد از آمار و ریاضیات در مدل‌سازی است. لذا لازم است پیش از طرح و اجرای هر ایده و پروژه‌ای فعالیت‌های کسب‌وکار و بخصوص سوابق و دانش مدیران ارشد و میانی را ارزیابی کنید و درصورتی‌که پتانسیل لازم برای درک مدل‌های آماری و ریاضی را در ایشان مشاهده کردید، بقیه بخش‌های پروژه را ادامه دهید. توجه داشته باشید دکتر و فوق دکتر و مهندس و استاد بودن مدیران ارشد و میانی تنها القاب و عناوین هستند و دلیل بر درک آماری ایشان نیست.
• پیش از شروع فرایند تحلیل اطلاعات تا حد امکان با کسب‌وکار مربوطه و قوانین و محدودیت‌های موجود در آن از طریق مشاهده حضوری آشنا شوید و در این موضوع کمتر از ۲۰-۳۰ درصد به گفته‌های کارشناسان یا مدیران میانی سازمان توجه کنید. بخصوص اگر مجموعه مربوطه دولتی یا حاکمیتی است، حتماً قوانین مصوب مربوط به کار آن را مطالعه کنید؛ چراکه ممکن است در طی فرایند تحلیل اطلاعات با موضوعاتی مواجه شوید که نیاز به تغییر قوانین یا مصوبات قانونی داشته باشد که زمان‌بر است و می‌تواند پیشرفت پروژه شما را تحت‌الشعاع قرار دهد.
• در مدیریت تغییرات پیشنهادی بایستی با ذی‌نفعان اصلی عملیات و مدیریت کسب‌وکار هماهنگ باشید و ضمن اینکه نتایج شما بایستی به‌اندازه کافی مدیران را برای انجام تغییرات قانع کند، لازم است اهرم‌های موردنیاز برای اجرای موفّق نتایج تحلیل‌های خود را بشناسید. برای مثال توجه داشته باشید که تغییرات در حقوق و دستمزد یا جایگاه شغلی برای چه اقشاری از همکاران سازمان مهم است یا افزایش/کاهش سهم کدام بخش از شرکای تجاری چه تأثیری بر روی روند همکاری ایشان با کسب‌وکار خواهد داشت؟ به‌اصطلاح لازم است فشارهای وارد بر کسب‌وکار را در اثر تغییرات پیشنهادی از قبل بررسی کرده باشید.
• پیش از پیشنهاد تغییرات حاصل از تحلیل اطلاعات، پیشنهاد می‌کنم نقش مدیران ارشد و میانی و کارشناسان کسب‌وکار را با جزئیات کافی بشناسید و ماتریس واگذاری مسئولیت‌ها را برای هریک از تغییرات پیشنهادی تدوین کنید. برای آشنایی بیشتر با این ماتریس پیشنهاد می‌کنم مستند مربوطه را از اینجا دریافت و مطالعه فرمایید. این ماتریس به شما کمک می‌کند، جایگاه هریک از مدیران و کارشناسان را پیش از آنکه تعارض یا اختلاطی در کارکرد ایشان پدید آید، طراحی نموده و از طریق مدیر ارشد کسب‌وکار ابلاغ نمایید.
• حتماً از شاخص‌های متناسب و بامعنی برای توصیف وضعیت کسب‌وکار قبل و بعد از اعمال تغییرات حاصل از تحلیل اطلاعات بهره بگیرید. حتی در زمینه‌هایی می‌توانید برای اقناع بهتر از تصاویر قبل و بعد از تغییرات استفاده کنید. روند تغییرات مقادیر این شاخص‌ها می‌تواند نقش بسزایی در ادامه پروژه تحلیل اطلاعات ایفا نماید و به مدیران به‌صورت کمّی اثبات نماید که نتایج تصمیمات حاصل از تحلیل اطلاعات توانسته‌ به بهبود کسب‌وکار کمک کند. در این زمینه‌ می‌توانید از مراجع شاخص‌های کلیدی موفقیت (KPI) در ارزیابی هر بخش از کسب‌وکار (مثل این مرجع) استفاده کنید.
• سعی کنید پیش از انجام تغییرات و از طریق استفاده مناسب از مدل‌های حاصل از تحلیل اطلاعات، برآورد دقیقی از میزان تأثیر تغییرات پیشنهادی بر مأموریت اصلی کسب‌وکار ارائه دهید. فرض آنستکه وضعیت دستیابی به اهداف مأموریت کسب‌وکار را پیش‌تر از طریق شاخص‌های ذکرشده فوق ارزیابی نموده‌اید.• همانند برآورد تأثیر بر اهداف و مأموریت‌های کسب‌وکار، لازم است برآورد دقیقی از میزان منابع موردنیاز برای ایجاد تغییرات در کسب‌وکار (اعم از مالی، انسانی، تجهیزات، …) ارائه نمایید تا مدیران بتوانند برای تأمین آن منابع تصمیمات لازم را اخذ نمایند.
• لازم است به حوزه تغییرات پیشنهادی (عملیاتی، هماهنگی، مدیریتی، راهبردی، جهشی، …) از پیش توجه نموده و ارزیابی اولیه‌ای از آمادگی ایشان برای تغییرات پیشنهادی انجام دهید. چنانچه نتایج این ارزیابی آمادگی کسب‌وکار را برای انجام تغییرات تائید نکرد، نسبت به آماده‌سازی اولیه از طریق آموزش، زمینه‌سازی فرهنگی، تأمین قوانین و آئین‌نامه‌های موردنیاز و مانند این‌ها اقدام نمایید.
• چنانچه انجام تغییرات حاصل از تحلیل اطلاعات به فنّاوری‌های خاصی نیازمند است، بایستی این موارد را در برنامه‌ تغییرات پیشنهادی خود به مدیران مربوطه اعلام نموده و برنامه مناسبی برای تأمین و پشتیبانی از آن فنّاوری‌ ارائه دهید.
• توجه به جوانب مختلف امنیت در تغییرات پیشنهادی ازجمله نقاط کلیدی در پیشنهاد تغییرات است. در این مورد می‌توان به تغییرات دسترسی به سرویس‌ها و اطلاعات، امنیت نگهداری اطلاعات، دسترسی تأمین‌کنندگان و پیمانکاران به اطلاعات، رویه‌های احراز هویت ذینفعان و مواردی ازاین‌دست اشاره نمود. شایان‌ذکر است که تمهیدات امنیتی نباید تأثیری بر سهولت دسترس‌پذیری ذینفعان به خدمات و اطلاعات بگذارند.
• برای تسهیل در فرایند تحلیل اطلاعات پیشنهاد می‌کنم از مدل ۷ مرحله‌ای CSI (از بهروش ITIL) به همراه مدل CRISP-DM (یا هر متدولوژی موفّق و معتبری که با آن آشنایید) شروع کنید. این مدل‌ها نظام ذهنی مناسبی را در روند پیشبرد تحلیل اطلاعات به ارمغان می‌آورند.
• پروژه‌های تحلیل اطلاعات را به‌صورت تدریجی یا به‌اصطلاح Incremental iterative پیش ببرید. در این رویکرد، ابتدا با کمترین میزان داده منتخب، نتایج اولیه‌ای استخراج‌شده و یک شمای کلی از مدل موردنظر به دست می‌آید. چنانچه مدل اولیه انحراف زیادی از فرضیه نداشته باشد، داده‌های بیشتری انتخاب و پردازش‌های بیشتری صورت می‌پذیرد تا به‌صورت تدریجی مدل تکمیل گردد. چنانچه مدل اولیه انحراف زیادی از فرضیه اولیه داشته باشد، لازم است تا اقلام جدیدتری از داده را یافته و پردازش نمایید. باید دقت شود که با هر مدل‌سازی ابعادی از مسئله را در دنیای واقعی از دست می‌دهیم و از تأثیر آن‌ها در پدیده موردنظر صرف‌نظر می‌کنیم. مثلاً به خاطر دارید که در دروس فیزیک برای محاسبات مربوط به حرکت و شتاب از اصطکاک هوا صرف‌نظر می‌کردیم و این بُعد از مسئله را پردازش نمی‌کردیم، اما در دنیای واقعی نمی‌توان آن را نادیده گرفت. مثلاً شما به‌عنوان یک خلبان هواپیما یا پاراگلایدر بایستی حتماً تأثیرات جریان هوا بر وسیله پرنده خود را با جزئیات کافی (ازجمله انواع اصطکاک هوا) در نظر بگیرید تا بتوانید با امنیت کامل پرواز کنید، اما در دروس دبیرستان برای درک مدل اولیه این پارامتر نادیده گرفته می‌شده است.
• مدل‌های به‌دست‌آمده در فرایند تکامل تدریجی را به‌صورت مستمر (دو هفته یا حداکثر ماهی یک‌بار) با خبرگان حوزه مربوطه مطرح و با نتایج معمول در آن حوزه از کسب‌وکار (مستخرج از آمارهای محلی یا بین‌المللی) چک کنید. این کار به شما کمک می‌کند که در صورت وجود انحراف در مدل‌سازی آن را به‌سرعت دریابید و تصحیح کنید.
• تا حد امکان سعی کنید داده‌ها و اطلاعات خارجی مرتبط با محیط مسئله موردنظر را جمع‌آوری نموده و تأثیر آن‌ها را در مدل‌های به‌دست‌آمده بررسی نموده و اطلاعات مؤثرتر را انتخاب و داده‌های بی‌تأثیر یا کم‌تاثیر محیطی را دور بریزید. با توجه به اینکه مسائل معمولاً تحت تأثیر عوامل محیطی مستقیم و غیرمستقیم هستند، این بررسی به شما کمک می‌کند تا به‌مرور دید وسیع و کاملی نسبت به مسئله پیدا کنید.
• به یاد داشته باشید که تنها مدل‌های ساده در عمل به کار گرفته می‌شوند. لذا مراقب باشید که سادگی مدل فدای کامل بودن یا جامع بودن آن نشود. در اغلب پروژه‌هایم به یاد ندارم که مدیری (بخصوص مدیران حاکمیتی) حوصله بهره‌برداری از یک مدل جامع‌ومانع را در عمل داشته باشد، در عوض اگر یک مدل ساده و قابل‌فهم برای تصمیم‌گیری به ایشان ارائه دهید، احتمال به‌کارگیری آن بیشتر است.
• سعی کنید با هر بار ساختن مدل، پیشنهاد تغییراتی را برای بهبود در سامانه‌های عملیاتی و فرایندهای کسب‌وکار مرتبط با آن ارائه دهید. این تلاش باعث می‌شود تا ذهن شما به‌صورت مستمر درگیر حل مسائل کسب‌وکار باشد و به سمت پردازش‌های صرفاً علمی و مهندسی که برای کسب‌وکار سودی ندارد منحرف نشود. از سوی دیگر کسب‌وکار مربوطه بازخورد اجرای مدل‌های ارائه‌شده را به شما بازگردانده و باعث ارتقاء دقت و اثربخشی مدل‌های بعدی خواهد شد.این‌ها مواردی است که براثر تجربه کار در این حوزه حاصل‌شده و از دوستان عزیزم می‌خواهم که این لیست را با تجارب خود تکمیل نمایند.



About علیرضا صائبی

AI Consultant | Data Scientist | NLP Expert | SNA Expert مشاور هوشمندسازی کسب‌وکار، فعال در حوزه پردازش زبان طبیعی و علوم داده.

Check Also

درخواست تغییرات نرم‌افزار

درخواست تغییرات نرم‌افزار سندی است که شامل درخواست‌های ذینفعان مجاز و معتبر برای ایجاد هر ...